上个月赶一个日志分析的小工具，本地跑得好好的，部署到服务器就报 model not found。翻文档才发现，写死的模型名是同事从某个聚合平台抄来的 deepseek-v4-flash，而官方接口只认 deepseek-chat 和 deepseek-reasoner。更麻烦的是账单——同一个模型在两个平台计费口径不同，月底对不上数。
这类坑其实就两个来源：模型名到底该写什么，以及什么时候该用哪个。
一个 DeepSeek 开放平台的账号（platform.deepseek.com），实名后创建 API Key，形如 sk- 开头，只显示一次，记得存好。账户里要有余额，新账号通常有赠送额度。
环境上，直接用官方的 OpenAI 兼容接口就行，Python 装 pip install openai 即可。base_url 指向 https://api.deepseek.com，不要带 /v1 后缀也别漏，两者都行但别写成别的路径。
client = OpenAI(api_key="sk-你的key", base_url="https://api.deepseek.com")
resp = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": "把这条 SQL 改成窗口函数写法"}],
)
print(resp.choices[0].message.content)
`
跑通这一步，说明 key、网络、额度都没问题。后面的问题基本都是参数或模型名引起的。
官方当前主要提供两个模型名：
- deepseek-chat：通用对话模型，响应快、价格低，适合摘要、改写、分类、常规代码补全。
- deepseek-reasoner：带思维链的推理模型，返回里会有 reasoning_content 字段，适合数学、复杂逻辑、需要多步推导的场景。它贵、慢，且不支持 temperature、top_p 这些采样参数，传了会直接报错。
至于 v4-flash、v4-pro 这类命名，官方接口里没有。它们大多出现在第三方聚合或云厂商托管平台上，本质是把同一批底层模型重新包装成不同档位卖。选择逻辑很简单：需要推理能力就上 reasoner，其余一律 chat，省钱省时间。
用 reasoner 时，流式输出要把两种内容分开：
一个容易踩的坑：多轮对话时，不要把上一轮的 reasoning_content 塞回 messages 里，接口会拒绝。只回传 content 就行。
个人开发者的实用策略是：默认全用 deepseek-chat，遇到它答错的题再切 reasoner 重试一次，用成本换准确率。模型名写死在配置文件里，别散落在代码各处，换平台时只改一处。
如果看到某个平台宣传"v4-pro 满血版"，先确认它后面的 base_url 和计费方式，再决定要不要为那点便利付溢价。
如果你也想试试一个Key调多个模型的方便，可以看看充站——¥50起步，额度永久有效，用支付宝/微信就能付款。